LRU内存淘汰算法【大厂面试算法题】
2021/7/24 7:07:19
本文主要是介绍LRU内存淘汰算法【大厂面试算法题】,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
题目描述
运用你所掌握的数据结构,设计和实现一个 LRU (最近最少使用) 缓存机制 。
实现 LRUCache 类:
LRUCache(int capacity) 以正整数作为容量 capacity 初始化 LRU 缓存
int get(int key) 如果关键字 key 存在于缓存中,则返回关键字的值,否则返回 -1 。
void put(int key, int value) 如果关键字已经存在,则变更其数据值;如果关键字不存在,则插入该组「关键字-值」。当缓存容量达到上限时,它应该在写入新数据之前删除最久未使用的数据值,从而为新的数据值留出空间。
进阶:你是否可以在 O(1) 时间复杂度内完成这两种操作?
示例:
输入
[“LRUCache”, “put”, “put”, “get”, “put”, “get”, “put”, “get”, “get”, “get”]
[[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]
输出
[null, null, null, 1, null, -1, null, -1, 3, 4]
解释
LRUCache lRUCache = new LRUCache(2);
lRUCache.put(1, 1); // 缓存是 {1=1}
lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}
lRUCache.get(1); // 返回 1
lRUCache.put(3, 3); // 该操作会使得关键字 2 作废,缓存是 {1=1, 3=3}
lRUCache.get(2); // 返回 -1 (未找到)
lRUCache.put(4, 4); // 该操作会使得关键字 1 作废,缓存是 {4=4, 3=3}
lRUCache.get(1); // 返回 -1 (未找到)
lRUCache.get(3); // 返回 3
lRUCache.get(4); // 返回 4
提示:
1 <= capacity <= 3000
0 <= key <= 10000
0 <= value <= 105
最多调用 2 * 105 次 get 和 put
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/lru-cache
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
解题思路
题目要求O(1)的时间复杂度,查询速度O(1)我们能想到的只有数组和HashMap,而数组的删除速度一般情况O(n)(元素位移),剩下只有一个HashMap了,而我们要记录元素最近访问,因此,我们可能还涉及到顺序,而HashMap不能保证元素的顺序,有序且删除O(1)的我们就能很快想到链表,因此,我们可以使用HashMap的查询速度快+有序且删除速度快的链表。
这里面主要就是几个方法,我就直接把每个方法的说明写在注释。
代码实现
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 | class LRUCache { class DLinkedNode { int key; int value; DLinkedNode prev; DLinkedNode next; public DLinkedNode() {} DLinkedNode(int key,int value) { this.key = key; this.value = value; } } //用于存储元素的key和node Map< Integer ,DLinkedNode> map; //双链表的头节点和尾节点 DLinkedNode head; DLinkedNode tail; //容量和当前链表的元素数量 int capacity; int size; //初始化 public LRUCache(int capacity) { this.capacity = capacity; head = new DLinkedNode(); tail = new DLinkedNode(); head.next = tail; tail.prev = head; map = new HashMap<>(); } //获取元素 public int get(int key) { //从map中获取元素 DLinkedNode node = map.get(key); if(node == null) return -1; //获取到元素以后,该元素刚刚使用,所以将该节点移动到头部 moveToHead(node); return node.value; } //获取或更新元素 public void put(int key, int value) { DLinkedNode node = map.get(key); //如果获取不到元素,则存储元素 if(node == null) { //如果现在容量已满 if(size == capacity) { //删除最后一个元素 DLinkedNode tail = removeTail(); map.remove(tail.key); size--; } //新建元素 DLinkedNode newNode = new DLinkedNode(key,value); //将元素添加到map并且将元素添加到头部 map.put(key,newNode); addToHead(newNode); size++; } else { //如果该元素已存在,则表示更新该元素 node.value = value; moveToHead(node); } } //将元素移至头部 public void moveToHead(DLinkedNode node) { remove(node); addToHead(node); } //删除元素 public void remove(DLinkedNode node) { node.prev.next = node.next; node.next.prev = node.prev; } //将元素添加到头部 public void addToHead(DLinkedNode node) { node.prev = head; node.next = head.next; head.next.prev = node; head.next = node; } //移除尾部元素 public DLinkedNode removeTail() { DLinkedNode res = tail.prev; remove(res); return res; } } |
这篇关于LRU内存淘汰算法【大厂面试算法题】的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2025-01-10百万架构师第十三课:源码分析:Spring 源码分析:Spring核心IOC容器及依赖注入原理|JavaGuide
- 2025-01-10便捷好用的电商API工具合集
- 2025-01-09必试!帮 J 人团队解决物流错发漏发的软件神器!
- 2025-01-09不容小觑!助力 J 人物流客服安抚情绪的软件!
- 2025-01-09为什么医疗团队协作离不开智能文档工具?
- 2025-01-09惊叹:J 人团队用啥软件让物流服务快又准?
- 2025-01-09如何利用数据分析工具优化项目资源分配?4种工具推荐
- 2025-01-09多学科协作难?这款文档工具可以帮你省心省力
- 2025-01-09团队中的技术项目经理TPM:工作内容与资源优化策略
- 2025-01-09JIT生产管理法:优化流程,提升竞争力的秘诀